[論文レビュー] Identifying Discriminating Network Motifs in YouTube Spam

Derek O’Callaghan, Martin Harrigan+2 more|arXiv (Cornell University)|Feb 23, 2012

Spam and Phishing Detection参考文献 26被引用数 11

ひとこと要約

本稿では、特定のスパム戦略に関連する最小限の識別的モチーフ（小さなスケールのネットワークパターン）を同定することで、調整されたYouTubeスパムキャンペーンを検出するネットワークモチーフプロファイリング手法を提案する。特徴選択を用いてスパムユーザーと通常ユーザーを最も効果的に区別するモチーフを優先することで、フルモチーフ列挙と同等の検出精度を達成しながら、大規模ネットワークにおけるスケーラビリティを著しく向上させる。

ABSTRACT

Like other social media websites, YouTube is not immune from the attention of spammers. In particular, evidence can be found of attempts to attract users to malicious third-party websites. As this type of spam is often associated with orchestrated campaigns, it has a discernible network signature, based on networks derived from comments posted by users to videos. In this paper, we examine examples of different YouTube spam campaigns of this nature, and use a feature selection process to identify network motifs that are characteristic of the corresponding campaign strategies. We demonstrate how these discriminating motifs can be used as part of a network motif profiling process that tracks the activity of spam user accounts over time, enabling the process to scale to larger networks.

研究の動機と目的

• ボットが生成したコメントを用いて悪意あるウェブサイトを宣伝する、調整されたYouTubeスパムキャンペーンを検出すること。
• 大規模なソーシャルネットワークにおけるフルネットワークモチーフ列挙のスケーラビリティの課題に対処すること。
• 異なるスパムキャンペーン戦略を特徴付ける最小限の識別的ネットワークモチーフのサブセットを同定すること。
• 計算コストを削減するために、最も情報量の多いモチーフにのみ焦点を当てることで、検出性能を向上させること。
• 時間経過にわたるモチーフベースのユーザープロファイリングにより、スパムアカウントの活動を長期的に追跡できること。

提案手法

• 各ユーザーをエゴとし、そのコメント相互作用をネットワーク構造とするエゴセントリックネットワークをYouTubeコメントデータから構築する。
• 各ユーザーのエゴネットワーク内で、すべての可能な小さなネットワークモチーフ（3〜4ノードの部分グラフ）を列挙し、モチーフプロファイルを生成する。
• 情報ゲインを用いた特徴選択プロセスを適用し、スパムユーザーと通常ユーザーを最も効果的に分離する識別的モチーフを同定する。
• 正規化されたモチーフ比率プロファイルを分類および可視化のためのユーザーレベル特徴量として使用する。
• 選択された識別的モチーフのみを用いた検出性能と、すべてのモチーフを用いた検出性能を比較することで、手法の妥当性を検証する。
• 時間経過にわたるモチーフプロファイルの可視化により、繰り返し発生するスパムキャンペーンを追跡し、時間的整合性を評価する。

実験結果

リサーチクエスチョン

• RQ1 YouTubeコメントネットワークにおいて、スパムユーザーと通常ユーザーを区別するのに最も効果的なネットワークモチーフは何か？
• RQ2 識別的モチーフの削減されたセットは、フルモチーフ列挙と同等の検出精度を維持できるか？
• RQ3 さまざまなスパムキャンペーン戦略（例：多数のアカウントが少数の動画に投稿する vs. 少数のアカウントが多数の動画に投稿する）は、モチーフプロファイルにどのように現れるか？
• RQ4 モチーフベースのプロファイリングは、時間経過にわたるスパムキャンペーンの繰り返し活動を効果的に追跡できるか？
• RQ5 最小限のモチーフセットを用いることで、大規模ネットワーク分析における計算スケーラビリティはどの程度向上するか？

主な発見

• 情報ゲインを用いて選択された21個の識別的モチーフのサブセットが、フルモチーフ列挙と同等の検出精度を達成した。
• モチーフプロファイルの空間化により、既知のスパムキャンペーン（例：キャンペーン1およびキャンペーン2）が通常ユーザーおよび他のスパムクラスタから明確に分離された。
• 2つの主要なキャンペーン戦略を区別するのに十分だった2つのキーモチーフ（モチーフ4およびモチーフ12）であったが、一部の境界に近いユーザーは通常ユーザーと誤分類された。
• スパムキャンペーンの繰り返し性が確認され、初期検出から1か月後も同じモチーフとキャンペーンパターンが継続して存在した。
• 多くのモチーフが高い情報ゲインを示しており、検出性能に顕著な損失を伴わずに、さらなるモチーフセットの縮小が可能であることが示された。
• 識別的モチーフの使用により、計算効率が著しく向上し、大規模なYouTubeスパム検出に実用的な手法となった。